WEKO3
アイテム
Deep Learningを用いた階層的な部分タスクグラフ検出法の構築
https://doi.org/10.15018/00000994
https://doi.org/10.15018/0000099491c84ac4-cd76-4f84-b327-e47e7f7925d7
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
rikougaku-58-1_5-10.pdf (981.7 KB)
|
|
| Item type | 紀要論文 / Departmental Bulletin Paper(1) | |||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2021-10-18 | |||||||||||||
| タイトル | ||||||||||||||
| タイトル | Deep Learningを用いた階層的な部分タスクグラフ検出法の構築 | |||||||||||||
| 言語 | ja | |||||||||||||
| タイトル | ||||||||||||||
| タイトル | Construction of Hierarchical Partial Task Graph Detection Method Using Deep Learning | |||||||||||||
| 言語 | en | |||||||||||||
| 言語 | ||||||||||||||
| 言語 | jpn | |||||||||||||
| 資源タイプ | ||||||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||||||||
| 資源タイプ | departmental bulletin paper | |||||||||||||
| その他 資源タイプ | Article | |||||||||||||
| 著者 |
田邑, 大雅
× 田邑, 大雅
× 甲斐, 宗徳
|
|||||||||||||
| 書誌情報 |
ja : 成蹊大学理工学研究報告 en : The journal of the Faculty of Science and Technology, Seikei University 巻 58, 号 1, p. 5-10, 発行日 2021-06-01 |
|||||||||||||
| 出版者 | ||||||||||||||
| 出版者 | 成蹊大学理工学部 | |||||||||||||
| 言語 | ja | |||||||||||||
| 出版タイプ | ||||||||||||||
| 出版タイプ | VoR | |||||||||||||
| 出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||||||||||
| ISSN | ||||||||||||||
| 収録物識別子タイプ | PISSN | |||||||||||||
| 収録物識別子 | 1880-2265 | |||||||||||||
| NCID | ||||||||||||||
| 収録物識別子タイプ | NCID | |||||||||||||
| 収録物識別子 | AA1203510X | |||||||||||||
| アクセス権 | ||||||||||||||
| アクセス権 | open access | |||||||||||||
| アクセス権URI | http://purl.org/coar/access_right/c_abf2 | |||||||||||||
| キーワード | ||||||||||||||
| 言語 | en | |||||||||||||
| 主題Scheme | Other | |||||||||||||
| 主題 | Task scheduling | |||||||||||||
| キーワード | ||||||||||||||
| 言語 | en | |||||||||||||
| 主題Scheme | Other | |||||||||||||
| 主題 | Deep Learning | |||||||||||||
| キーワード | ||||||||||||||
| 言語 | en | |||||||||||||
| 主題Scheme | Other | |||||||||||||
| 主題 | Convolutional Neural Network | |||||||||||||
| ID登録 | ||||||||||||||
| ID登録 | 10.15018/00000994 | |||||||||||||
| ID登録タイプ | JaLC | |||||||||||||
| 抄録 | ||||||||||||||
| 内容記述タイプ | Abstract | |||||||||||||
| 内容記述 | Since task scheduling problems belong to a class of the strong NP-hard combinatorial optimization problem, the required scheduling time increases exponentially as the number of tasks increases. Therefore, we find some small subtask graphs that can be optimally scheduled in the overall task graph, and solve them individually as a scheduling problem. Then, each subtask graph can be treated as one macro task in the whole task graph. This reduces the apparent number of tasks in the overall task graph, reduces the scale of the task graph, and significantly reduces the search time that depends on the number of tasks. We call this hierarchical scheduling. However, this partial task graph detection has a drawback that it becomes a combinatorial optimization problem by itself. Therefore, in this paper, we construct and evaluate a method for detecting partial task graphs using deep learning. | |||||||||||||
| 言語 | en | |||||||||||||
